Wir haben uns in der Vergangenheit daran gewöhnt, dass es vereinzelt Messstationen gab, an denen Umweltdaten generiert und oft von Behörden genutzt wurden. In der Zwischenzeit gibt es eine Sensor Community, bei der jeder mitmachen, und Umweltdaten frei zur Verfügung stellen kann – als Open Data.
Wie in der Abbildung zu erkennen ist, gibt es in Europa schon sehr viele, die diesen Ansatz unterstützen, und Messpunkte und Messdaten zur Verfügung stellen. Weltweit gibt es aktuell 12.101 Sensoren in 76 Ländern mit30.703.440.715 Datenpunkten.
Da die Daten frei zur Verfügung gestellt werden (Open Data) können daraus auch eigene/neue Dienstleistungen oder auch Produkte entwickelt werden. Dieser Innovationsansatz wird von Eric von Hippel als Democratizing Innovation beschrieben. So eine Perspektive auf Innovation ist ganz anders als die übliche, die von Innovationen ausgeht, die Organisationen/Unternehmen generieren.
Warum ist ein Fachmann (oder auch eine Fachfrau) oftmals nicht in der Lage, Führungsaufgaben zu übernehmen, bzw. als Projektmanager erfolgreich zu sein? Die Antwort auf die Frage finden wir in den jeweiligen Kompetenzprofilen.
In der Abbildung ist das Kompetenzprofil eines Fachmanns aus dem Automobilbereich zu erkennen (rot gestrichelte Linie). Es ist verständlich, dass die Fachkompetenz am stärksten ausgeprägt ist, die Methodenkompetenz etwas weniger und die Sozial- und Persönlichkeitskompetenzen noch etwas weniger. Der Fokus liegt ganz klar auf der fachlichen Dimension.
Eine Führungskraft hat demgegenüber ein ganz anderes Profil (blaue gestrichelte Linie). Hier sind die Sozial- und Persönlichkeitskompetenzen stärker als die Fach- oder Methodenkompetenz ausgeprägt.
Das Kompetenzprofil eines Projektmanagers (grüner Bereich) zeigt, das hier alle Kompetenzdimensionen recht stark ausgeprägt sein sollen. Die Rolle eines Projektmanagers ist somit in vielfältigen Dimensionen anspruchsvoll. Dabei können in manchen Bereichen Tools – bis zu KI-Agenten – eine sinnvolle Ergänzung sein. Siehe dazu auch Persönliche und soziale Kompetenzen von Projektmanagern und KI-Systeme.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
In verschiedenen Beiträgen habe ich schon erläutert, dass sich Open Source AI und Closed Source AI unterscheiden. Die bekannten Closed Source AI Modelle wie z.B. ChatGPT von (OpenAI) sind beispielsweise nicht wirklich Open Source sind, da dsolche Modelle intransparent sind und den eigentlichen Zweck haben, wirtschaftliche Gewinne zu generieren – koste es was es wolle. Siehe dazu Open Source AI: Besser für einzelne Personen, Organisationen und demokratische Gesellschaften.
Zwischen diesen beiden Polen Open Source AI und Closed Source AI gibt es allerdings – wie immer – ein Kontinuum von weiteren Möglichkeiten. Beispielsweise sind LLama, Mistral und Gemma nicht so ohne weiteres den beiden Extremen zuzuordnen, da diese Modelle teilweise offen sind. Solche Modelle werden Open Weights Models genannt:
“As a result, the term “Open Source” has been used to describe models with various levels of openness, many of which should more precisely be described as “open weight” models. Among the Big AI companies, attitudes towards openness vary. Some, like OpenAI or Anthropic, do not release any of their models openly. Others, like Meta, Mistral or Google, release some of their models. These models — for example, Llama, Mistral or Gemma — are typically shared as open weights models” (Tarkowski, A. (2025): Data Governance in Open Source AI. Enabling Responsible and Systemic Access. In Partnership with the Open Source Initiative).
Warum nur werden solche Modelle angeboten? Der Grund kann sein, dass man mit dieser Strategie versucht, dem Regulierungsbestreben z.B. der Europäischen Union entgegenzuwirken. Ich hoffe, dass das nicht funktioniert und Big Tech gezwungen wird, sich an die Spielregeln in der Europäischen Union zu halten. Aktuell sieht es so aus, dass die neue Regierung der USA die Europäische Union auch bei diesem Thema vor sich hertreiben möchte.
Es ist an der Zeit, sich die Vorteile und Nachteile von Vorgehensmodellen genauer anzusehen, um das jeweils geeignete Vorgehensmodell – bzw. deren Kombinationen – bestimmen zu können. Siehe dazu DAS Projektmanagement-Kontinuum in der Übersicht.
In der Abbildung sind die Vorteile und Nachteile für das Wasserfall-Modell dargestellt. Ja, das Modell ist ineffizient bei wenig planbaren Projektgegenständen und sich ändernden Anforderungen. Doch es gibt auch Vorteile, wie die klaren Strukturen, die manches vereinfachen. Schauen Sie sich die Übersicht an und bilden Sie sich ihre eigene Meinung dazu.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
Es wundert daher nicht, dass sich die neue Regierung in den USA darüber beschwert, dass Europa die Entwicklung und Nutzung Künstlicher Intelligenz in Schranken regulieren will. Ich hoffe, Europa ist selbstbewusst genug, sich diesem rein marktwirtschaftlich ausgerichteten Vorgehen der USA zu widersetzen, ohne die Möglichkeiten einer Nutzung und Entwicklung von Künstlicher Intelligenz zu stark einzuschränken. Der Einsatz Künstlicher Intelligenz wird gravierende gesellschaftliche Veränderungen nach sich ziehen, sodass es auch erforderlich, gesellschaftlich auf diese Entwicklung zu antworten.
Neben China und den USA kann es Europa durchaus gelingen, beide Schwerpunkte (USA: Kapital getrieben, China: Politik getrieben) zur Nutzung von Künstliche Intelligenz in einem Hybriden Europäischen KI-Ansatz zu verbinden. Das wäre gesellschaftlich eine Innovation, die durchaus für andere Länder weltweit interessant sein könnte.
Open Euro LLM ist beispielsweise so eine Initiative, die durchaus vielversprechend ist. Wie in dem Screenshot zur Website zu erkennen ist, setzt man bei Open Euro LLM auf Offenheit und Transparenz, und auch auf europäische Sprachen in den Trainingsdatenbanken der Large Language Models (LLM). Beispielhaft soll hier der Hinweis auf Truly Open noch einmal herausgestellt werden:
Truly Open including data, documentation, training and testing code, and evaluation metrics; including community involvement
In Zukunft wird es meines Erachtens sehr viele kleine, spezialisierte Trainingsdatenbanken (SLM: Small Language Models) geben, die kontextbezogen in AI-Agenten genutzt werden können. Wenn es um Kontext geht, muss auch die kulturelle Vielfalt Europas mit abgebildet werden. Dabei bieten sich europäische Trainingsdatenbanken an. Siehe dazu auch
Künstliche Intelligenz (KI oder AI: Artificial Intelligence) einzusetzen ist heute in vielen Organisationen schon Standard. Dabei nutzen immer noch viele die von den kommerziellen Anbietern angebotenen KI-Systeme. Dass das kritisch sein kann, habe ich schon in vielen Blogbeiträgen erläutert.
Wir wollen einen anderen Weg, aufzeigen, der die Digitale Souveränität für Organisationen und Privatpersonen ermöglicht: Open Source AI und eine Open Source Kollaborationsplattform. Siehe dazu Von der digitalen Abhängigkeit zur digitalen Souveränität.
Im zweiten Schritt haben wir für die Entwicklung von AI-Agenten Langflow (Open Source) auf unserem Server installiert. Dabei ist es möglich, ChatGPT von OpenAI, oder über Ollama sehr viele unterschiedliche Open Source Modelle zu nutzen. Wir wollen natürlich den zweiten Weg gehen und haben daher Ollamaauf unserem Server installiert.
Ollama Startseite auf unserem Server: Eigener Screenshot
In der Abbildung ist zu sehen, dass wir für den ersten Test zunächst vier Modelle installiert haben, inkl. DeepSeek-R1 und LLama 3.2. Demnächst werden wir noch weitere Modelle installieren, die wir dann in Langflow integrieren, um AI-Agenten zu entwickeln. In den kommenden Wochen werden wir über die Erfahrungen berichten.
Der Begriff Komplexität ist im Projektmanagement sehr wichtig. Projektmanagement-Standards wie IPMA, PMI oder auch Prince2 bieten beispielsweise an, die Komplexität eines Projektes, oder vieler Projekte, nach einem definierten Ablauf abzuarbeiten. Auch agile Vorgehensmodelle wie Scrum oder auch Kanban machen hier Vorschläge. Dabei wird Wert darauf gelegt, in kleinen Iterationen vorzugehen.
Im Rahmen der Stacey-Matrix wird weiterhin versucht, anhand der beiden Dimensionen Anforderungen (bekannt – unklar) und Vorgehen (bekannt-unklar) das geeignete Vorgehensmodell zu bestimmen. Im komplexen Bereich wird dann empfohlen, agile Vorgehensmodelle einzusetzen.
Es liegt auf der Hand, dass diese Einschätzung nicht alleine aufgrund zweier Dimensionen gemacht werden sollte, da es eine Vielzahl vonEinflussfaktoren auf die Komplexität im Projektmanagement gibt. In der folgenden Tabelle sind einige davon aufgelistet.
Komplexitätsdimensionen des Projektmanagements (Reiss 2018, in projektmanagementaktuell 3/2018)
In solch komplexen Systemen verändern sich die jeweiligen Parameter permanent, sodass eine eigene Dynamik entsteht. Es ist daher empfehlenswert, die Einschätzung darüber, ob es sich um ein kompliziertes oder komplexes Projekt handelt, mehrmals durchzuführen. Gerade am Anfang eines Projekts liegen noch nicht so viele Informationen über das Projekt vor (Cone of Uncertainty), sodass die erste Einschätzung fehlerbehaftet sein kann.
Grundsätzlich kann man davon ausgehen, dass Selbstorganisation die Antwort auf Komplexität ist. Daraus lässt sich ableiten, dass es nicht alleine erfolgversprechend ist, Standards einzusetzen, sondern dass auf allen Ebenen die Selbstorganisation zu entwickeln. Auf der individuellen Ebene, der Gruppenebene, der organisationalen Ebene und der Netzwerkebene.
Gehen wir nach Erpenbeck/Heyse von Kompetenz als Selbstorganisationsdisposition aus, so bedeutet das, in diesem Sinne Kompetenz auf der individuellen Ebene, der Gruppenebene, der organisationalen Ebene und der Netzwerkebene zu entwickeln (Kompetenzmanagement).
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.
Abgrenzung Schieflage vs. Krise (Rahnenfüher, K.; Radin G. 2018, in projektmanagementaktuell 2/2018)
Oft laufen Projekt nicht so, wie man es sich wünscht. Dabei wird oft von einer Krise im Projekt gesprochen, obwohl das Projekt möglicherweise erst einmal “nur” eine Schieflage geraden ist.
Wie in der Abbildung zu erkennen ist, kann man von einer Schieflage ausgehen, wenn das Projekt mit “klassischen Mitteln” wieder in den Normalzustand zurückgeführt werden kann. In einer Krise greifen die reinen klassischen Methoden des Projektmanagements nicht mehr. Ein Projekt ist in der Krise, wenn (ebd.):
(1) Ziele: das Projekt trotz Einsatz des Teams, mit vorhandenen Mitteln und unter gegebenen Rahmenbedingungen keinerlei nennenswerte Fortschritte mehr erzielt bzw. Projektergebnisse wiederholt nicht erreicht werden,
(2) Methode: gewöhnliche Maßnahmen des Projektmanagements nicht funktionieren, um das Projekt wieder in den Plankorridor zu manövrieren ( die Diskrepanz zwischen Entwicklung des Projektumfeldes und des Projektgeschehens zunimmt und das Projekt einem vorzeitigen Ende zusteuert),
(3) Team: das im Team das Gefühl der Blockade, Ausweglosigkeit, Ohnmacht und am Ende Resignation breit macht, der Situation ausgeliefert zu sein und damit die Handlungsfähigkeiten begrenzt sind, Probleme zu lösen,
(4) Stakeholder: der Auftraggeber nicht mehr an den Erfolg des Projektes glaubt und dies auch eingesteht und kommuniziert.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.
Quelle: Prudix, D. (2017), in projektmanagementaktuell 3/2017, nach Brand Eins Ausgabe 11/2015
Um die Frage aus der Überschrift des Beitrags aufzunehmen, schauen wir uns zunächst einmal die Tabelle an (Abbildung). Darin sind verschiedene öffentliche Projekte zu sehen, deren voraussichtlichen Kosten geschätzt wurden (Ursprünglich geschätzt in Mio. Euro). Die Realität zeigt jedoch, gravierende Abweichungen (aktuell geschätzte Kosten in Mio. Euro). Wie in der Quelle erwähnt, stammen die Beträge aus dem Jahr 2015.
Dennoch werfen die Unterschiede – teilweise um den Faktor 10 – Fragen auf. Großprojekte der Öffentlichen Verwaltungen stehen oft unter politischen Druck und werden dadurch teilweise “schön gerechnet”. Weiterhin fehlt es der Öffentlichen Hand an der Professionalisierung im Projektmanagement. Da hat sich in den letzten Jahren allerdings sehr viel positiv entwickelt.
Nicht zuletzt sollten wir uns auch klar machen, dass es solche Fehlplanungen nicht nur bei der Öffentlichen Hand, sondern auch bei wirtschaftlich ausgerichteten Organisationen gibt. Wir regen uns allerdings besonders – und berechtigt – darüber auf, wenn Projekte mit Hilfe von Steuergeldern nicht professionell laufen. Diese Verschwendungen im Projektmanagement im öffentlichen Sektor müssen und können reduziert werden.
Der Aspekt der Professionalisierung im Projektmanagement bei der Öffentlichen Hand (Plangetrieben – Hybrid – Agil) kann ein wichtiger Ansatz sein, die gesamte Organisation der Öffentlichen Verwaltung zu modernisieren: Organisationsentwicklung durch mehr projektorientiertes Arbeiten.
Eine moderne und wirtschaftliche Öffentliche Verwaltung mit immerhin mehr als 5 Millionen Mitarbeitern ist aktuell immer noch ein Hemmschuh bei der Lösung der vielen gesellschaftlichen Aufgaben.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.
Das nächste große Ding in der KI-Entwicklung ist der Einsatz von KI-Agenten (AI Agents). Wie schon in vielen Blogbeiträgen erwähnt, gehen wir auch hier den Weg dafür Open Source zu verwenden. Bei der Suche nach entsprechenden Möglichkeiten bin ich recht schnell auf Langflow gestoßen. Die Vorteile lagen aus meiner Sicht auf der Hand:
(1) Komponenten können per Drag&Drop zusammengestellt werden. (2) Langflow ist Open Source und kann auf unserem eigenen Server installiert werden. Alle Daten bleiben somit auf unserem Server.
Die Abbildung zeigt einen Screenshot von Langflow – installiert auf unserem Server.
Auf der linken Seite der Abbildung sind viele verschiedene Komponenten zu sehen, die in den grau hinterlegten Bereich hineingezogen werden können. Per Drag&Drop können INPUT-Komponenten und OUTPUT-Format für ein KI-Modell zusammengestellt – konfiguriert – werden. Wie weiterhin zu erkennen, ist standardmäßig OpenAI als KI-Modell hinterlegt. Für die Nutzung wird der entsprechende API-Schlüssel eingegeben.
Mein Anspruch an KI-Agenten ist allerdings, dass ich nicht OpenAI mit ChatGPT nutzen kann, sondern auf unserem Server verfügbare Trainingsdaten von Large Language Models (LLM) oder Small Language Models (SML), die selbst auch Open Source AI sind. Genau diesen Knackpunkt haben wir auch gelöst. Weitere Informationen dazu gibt es in einem der nächsten Blogbeiträge. Siehe in der Zwischenzeit auch
